Venerdi 12 maggio iniziano le lezioni di laboratorio di deep learning, preparate in collaborazione con il dr. Marco Carletti ([email protected]), che vi seguirà con le esercitazioni in Python. A questo proposito, vi ricordo di portarvi il portatile, ci sarà una lezione a metà tra teoria e pratica. Allego le sue raccomandazioni su quanto necessario per far girare gli esercizi. Assicuratevi di aver messo a punto il vostro sistema una volta in aula. Se avete problemi, scrivete ad entrambi. Buon proseguimento! *_Requisiti_* Si lavorerà in *Python 3.5* coi moduli: * matplotlib <http://matplotlib.org/> * NumPy <http://www.numpy.org/> * TensorFlow <https://www.tensorflow.org/get_started/os_setup> Il codice gira senza problemi su CPU, ma è consigliata una GPU nVidia per velocizzare le prestazioni (di circa 10 volte). A questa pagina <http://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/> è possibile trovare informazioni utili all'installazione dei requisiti "grafici" di TensorFlow: * CUDA Toolkit 8+ <https://developer.nvidia.com/cuda-downloads> * CuDNN 5+ <https://developer.nvidia.com/cudnn> /Nota bene: la GPU deve avere una potenza grafica superiore a 3 (vedi qui <https://developer.nvidia.com/cuda-gpus>)./ *_Sistema operativo_* * * *Linux *ha spesso problemi coi driver nVidia, meno curati della versione Windows. Nonostante ciò, se funzionante, Linux è la scelta più performante e da preferire. Per chi lavora in *Windows *(ho testato sotto Win10) conviene affidarsi ad Anaconda <https://www.continuum.io/downloads>, o Miniconda <http://conda.pydata.org/miniconda.html> 3+, che contiene tutto il necessario per lavorare in Python. L'installazione dei pacchetti può essere fatta come sotto Linux, tramite il terminale di Anaconda avviato come amministratore. *_Ambiente di sviluppo_* Non pongo vincoli perchè le esercitazioni sono script .py autocontenuti, eseguibili da linea di comando. Va quindi a preferenza. Gli editor di testo che prevedono un build-system integrato sono ottimi per la velocità di scrittura ed esecuzione del codice che non ha infatti overhead nell'esecuzione. Tipicamente questi software mancano dell'autocompletamento e debugger. Esempio: Sublime Text <https://www.sublimetext.com/3> (gratis, multipiattaforma) Gli IDE offrono il sistema di autocompletamento, utilissimo per chi non è praticissimo con Python e le librerie sopracitate, ma richiede di creare un progetto e appesantire l'esecuzione (per lo meno l'avvio) degli script. Esempio: Visual Studio + Python Tools <https://www.visualstudio.com/it/vs/python/> (gratis, solo Windows) Un buon compromesso è il pacchetto Python Jupyter Notebook <http://jupyter.org/> (installabile come un qualunque altro modulo tramite pip): un'interfaccia web gratuita simile ad un editor di testo, ma offre l'autocompletamento, la possibilità di dividere (ed eseguire) il codice in blocchi, così da evitare la riesecuzione dell'intero script. Essendo un'interfaccia web, non apre finestre, utili se si vuole interagire o animare una figura plottata. _*Guida all'installazione*_ Se in possesso di GPU nVidia è bene installare il CUDA Toolkit (ver 8+) e CuDNN (ver 5+). Per CUDA Toolkit, scaricare l'installer <https://developer.nvidia.com/cuda-downloads> (~1.2 GB) e seguire le istruzioni presenti nella pagina di download. Per CuDNN, è necessario registrarsi al sito nVidia prima di scaricare l'archivio <https://developer.nvidia.com/cudnn> (~50 MB), da scompattare in base al sistema operativo usato. *_Linux_* Per completare l'installazione CuDNN, seguire le indicazioni a questa pagina <http://askubuntu.com/questions/767269/how-can-i-install-cudnn-on-ubuntu-16-04>. Per Python 3.5, aprire un terminale e lanciare i seguenti comandi sudo apt install python3 python3-dev python3-pip sudo pip3 install numpy matplotlib CPU: sudo pip3 install tensorflow GPU: sudo pip3 install tensorflow-gpu _*Windows*_ Scompattare l'archivio CuDNN e copiare il contenuto nelle sottocartelle bin, include e lib presenti nella cartella di installazione CUDA: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 Per Python 3.5, consiglio l'installazione di Anaconda o Miniconda 3+ <http://conda.pydata.org/miniconda.html>: crea una comoda interfaccia all'installazione Python, facilmente riutilizzabile in tutto il sistema dai vari programmi che ne faranno uso. Mentre Anaconda presenta un'installer molto più corposo e ricco di pacchetti, Miniconda 3+ è un'installazione minimale (ha solo Python 3.5 e alcuni pacchetti). Bisogna quindi installare i moduli necessari alle esercitazioni manualmente, avviando come amministratore il terminale di Anaconda (appena installato) e lanciare gli stessi comandi pip3 della versione Linux (sudo escluso). In caso di problemi nell'installazione di TensorFlow, provare con le istruzioni alla pagina ufficiale <https://www.tensorflow.org/get_started/os_setup>. -*------------------------------------------------------* Prof. Marco Cristani, Ph.D. Associate Professor Dipartimento di Informatica Universita` degli Studi di Verona Ca' Vignal 2, Strada Le Grazie 15, 37134 Verona, Italy Tel: +39 045 802 7841, Fax: +39 045 802 7068 Secretary: +39 045 802 7069 E-mail:[email protected] WWW homepage:http://profs.sci.univr.it/~cristanm *------------------------------------------------------*